論文の概要: Policy Fragmentation or Institutional Alignment? Institutional Governance of AI in Universities and Business Schools
- arxiv url: http://arxiv.org/abs/2608.03584v1
- Date: Tue, 04 Aug 2026 12:39:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:23.191297
- Title: Policy Fragmentation or Institutional Alignment? Institutional Governance of AI in Universities and Business Schools
- Title（参考訳）: 政策の断片化と制度的アライメント : 大学・ビジネススクールにおけるAIの制度的ガバナンス
- Authors: Lydia Manikonda, Dominique Outlaw,
- Abstract要約: 本研究は、米国の34州から高等教育(HEI)にまたがるAI政策を分析する。
大学レベルの政策は、データセキュリティとリスク軽減を強調するのに対して、学校レベルの政策は、現在、教育的応用とツールの使用に焦点を当てている。
我々の洞察は、ガイドラインは、規律固有の学習目標に対処し、労働力の要求を進化させながら、より広範な制度政策と整合するべきであることを示唆している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial intelligence (AI) is rapidly transforming high-skilled domains, requiring higher education institutions (HEI) to balance the teaching of foundational principles with the integration of emerging tools to ensure workforce readiness. While HEI are increasingly adopting AI, many continue to grapple with how it should be incorporated into curricula and governed through policy, especially when such policies are set at different levels of an institution. This research analyzes AI policies across HEI from 34 states in the United States to investigate what these policies entail and how policies set across institutions as well as within different levels at an institution differ. Using natural language processing (NLP) to analyze institutional AI policies, we find a clear divergence: university-level policies emphasize data security and risk mitigation whereas school-level policies, when present, focus on pedagogical applications and tool usage. When focusing on business school specific policies, relatively few business schools maintain AI policies distinct from university frameworks, creating misalignment with discipline-specific learning objectives. This gap poses challenges particularly for faculty and students as well as for accreditation purposes. Our insights suggest that guidelines should be aligned with broader institutional policies while addressing discipline-specific learning objectives and evolving workforce demands.
- Abstract（参考訳）: 人工知能(AI)は、高度なスキルを持つドメインを急速に変革させており、高等教育機関(HEI)は、基礎原則の教育と新しいツールの統合のバランスを取る必要がある。
HEIはAIの採用がますます進んでいるが、多くの人はカリキュラムにどのように組み入れるべきかに不満を抱き続けており、特にそのような政策が組織のさまざまなレベルに設定されている場合、政策によって統治されている。
この研究は、米国の34州からHEI全体にわたるAIポリシーを分析し、これらのポリシーがどのような意味を持つのか、組織間で設定されたポリシーと、施設内の異なるレベル内でどのように異なるのかを調査する。
大学レベルのポリシーでは、データセキュリティとリスク軽減が重視されているのに対して、学校レベルのポリシーは、現在、教育的な応用とツールの使用に焦点を当てている。
ビジネススクール固有のポリシーに焦点を合わせると、比較的少数のビジネススクールが、大学のフレームワークとは異なるAIポリシーを維持し、規律固有の学習目標とのミスアライメントを生み出している。
このギャップは特に教員や学生や認定の目的に課題をもたらす。
我々の洞察は、ガイドラインは、規律固有の学習目標に対処し、労働力の要求を進化させながら、より広範な制度政策と整合するべきであることを示唆している。
関連論文リスト
- PolicyBank: Evolving Policy Understanding for LLM Agents [51.86716874651299]
PolicyBankは構造化されたツールレベルの政策洞察を維持し、それらを反復的に洗練する。
PolicyBankは、人間の神託に対するギャップの最大82%を閉じている。
論文 参考訳（メタデータ） (2026-04-16T20:29:30Z) - Security, privacy, and agentic AI in a regulatory view: From definitions and distinctions to provisions and reflections [53.468443050795344]
人工知能(AI)技術の急速な普及は、動的規制の展望につながった。
AIパラダイムが、特にエージェントAIの形で、より大きな自律性へと移行するにつれ、規制規定を明確にすることはますます困難になっている。
本稿は、2024年から2025年の間に発行された24の関連文書を分析して、EU(EU)のAI規制条項をレビューする。
論文 参考訳（メタデータ） (2026-03-19T13:50:52Z) - Economic Competition, EU Regulation, and Executive Orders: A Framework for Discussing AI Policy Implications in CS Courses [5.898240245765167]
コンピュータ科学のカリキュラムには、AI政策の意義に関する議論がまだ存在しないと論じる。
技術的および非技術的(倫理的)CSコースにおけるAI政策に関するクラス議論の枠組化のための指導的質問を提案する。
論文 参考訳（メタデータ） (2025-09-29T21:26:53Z) - Advancing Science- and Evidence-based AI Policy [163.43609502905707]
本稿では,AIの機会と課題に対処するために,エビデンスと政策の関係を最適化する方法の課題に取り組む。
i)AIのリスクとその効果的な緩和に関する研究、または(ii)これらのリスクに対処するための政策を提唱することで、この問題に対処する努力が増えている。
論文 参考訳（メタデータ） (2025-08-02T23:20:58Z) - A Framework for Developing University Policies on Generative AI Governance: A Cross-national Comparative Study [9.966815122267834]
本研究は,米国,日本,中国の主要大学の比較分析を行った。
ジェネレーティブ・人工知能(GAI)の応用とガバナンスに関する制度全体にわたる政策について検討する。
理論的な洞察と実践的なガイダンスを提供するため, GAI のための大学政策開発フレームワーク (UPDF-GAI) を提案する。
論文 参考訳（メタデータ） (2025-04-03T14:33:35Z) - Local Differences, Global Lessons: Insights from Organisation Policies for International Legislation [22.476305606415995]
本稿では、ボトムアップガバナンスアプローチがAIの利用と監視をいかに形成するかを理解するために、ニュース機関と大学という2つの領域におけるAIポリシーを検討する。
私たちは、バイアス、プライバシー、誤情報、説明責任といったリスクに対処する方法において、収束と分散の重要な領域を特定します。
ドメイン固有のAIポリシから学んだことは、グローバルレベルでより適応的で効果的なAIガバナンスに寄与する、と私たちは主張する。
論文 参考訳（メタデータ） (2025-02-19T15:59:09Z) - Political-LLM: Large Language Models in Political Science [159.95299889946637]
大規模言語モデル(LLM)は、政治科学のタスクで広く採用されている。
政治LLMは、LLMを計算政治科学に統合する包括的な理解を促進することを目的としている。
論文 参考訳（メタデータ） (2024-12-09T08:47:50Z) - From Guidelines to Governance: A Study of AI Policies in Education [1.9659095632676098]
本研究は,新興技術に関する政策状況を調べるための調査手法を用いている。
ほとんどの機関は、ChatGPTのようなAIツールの倫理的展開のための特別なガイドラインを欠いている。
高校は高等教育機関よりも政策に取り組む傾向が低い。
論文 参考訳（メタデータ） (2024-03-22T20:07:58Z) - PARL: A Unified Framework for Policy Alignment in Reinforcement Learning from Human Feedback [106.63518036538163]
我々は、強化学習におけるポリシーアライメントの最近強調された重要な問題に対処するために、新しい統合された二段階最適化ベースのフレームワーク、textsfPARLを提案する。
本フレームワークは, 上向きの目標(逆設計)の分布を, 下向きの最適変数で明示的にパラメータ化することにより, これらの問題に対処する。
その結果,提案したtextsfPARL が RL のアライメントの懸念に対処できる可能性が示唆された。
論文 参考訳（メタデータ） (2023-08-03T18:03:44Z) - Goal-Conditioned Reinforcement Learning with Imagined Subgoals [89.67840168694259]
我々は、複雑なタスクの学習を容易にするために、想像上のサブゴールをポリシー学習に組み込むことを提案する。
想像上のサブゴールは、政策と批判を同時に訓練する独立したハイレベルな政策によって予測される。
複雑なロボットナビゲーションと操作タスクに対する我々のアプローチを評価し、既存の手法よりも大きなマージンで優れていることを示す。
論文 参考訳（メタデータ） (2021-07-01T15:30:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。